R语言︱数据分组统计函数族——apply族
笔者寄语：apply族功能强大，实用，可以代替很多循环语句，R语言中不要轻易使用循环语句。
| 函数名 | 功能 | 特点 |
| apply | 按行、列运算均值、求和、众数等 | 简单运算 |
| tapply=table apply | 在apply之上加入table功能，可以分组汇总 | table结合，可以分组汇总 |
| lapply=list apply | 都需要数据框格式，可以与list合用，返回仍是list | list用法 |
| sapply=simplify apply=unlist(lapply) | 都需要数据框格式，可以与list合用，返回是矩阵 | 与lapply一样，但是可以输出矩阵格式 |
| apply |
Apply Functions Over Array Margins 对阵列行或者列使用函数 |
apply(X, MARGIN, FUN, ...) |
| lapply |
Apply a Function over a List or Vector 对列表或者向量使用函数 |
lapply(X, FUN, ...) |
| sapply |
Apply a Function over a List or Vector 对列表或者向量使用函数 |
sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) |
| vapply |
Apply a Function over a List or Vector 对列表或者向量使用函数 |
vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE) |
| tapply |
Apply a Function Over a Ragged Array 对不规则阵列使用函数 |
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE) |
| eapply |
Apply a Function Over Values in an Environment 对环境中的值使用函数 |
eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE) |
| mapply |
Apply a Function to Multiple List or Vector Arguments 对多个列表或者向量参数使用函数 |
mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE) |
| rapply |
Recursively Apply a Function to a List 运用函数递归产生列表 |
rapply(object, f, classes = "ANY", deflt = NULL,how = c("unlist", "replace", "list"), ...) |
1、apply函数
对一个数组按行或者按列进行计算，矩阵纵、横运算（sum,average等）
> ma <- matrix(c(1:4, 1, 6:8), nrow = 2)
> ma
[,1] [,2] [,3] [,4]
[1,] 1 3 1 7
[2,] 2 4 6 8
> apply(ma, c(1,2), sum)
[,1] [,2] [,3] [,4]
[1,] 1 3 1 7
[2,] 2 4 6 8
> apply(ma, 1, sum)
[1] 12 20
> apply(ma, 2, sum)
[1] 3 7 7 15
> tapply(1:17, fac, sum, simplify = FALSE) $`1` [1] 51 $`2` [1] 57 $`3` [1] 45 $`4` NULL $`5` NULL > tapply(1:17, fac, range) $`1` [1] 1 16 $`2` [1] 2 17 $`3` [1] 3 15 $`4` NULL $`5` NULL
2、tapply
（进行分组统计）
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE) #把x在index分类下进行fun #例：把x在因子分类下，进行汇总操作 fac <- factor(rep(1:3, length = 4), levels = 1:5) fac [1] 1 2 3 1 Levels: 1 2 3 4 5 tapply(1:4, fac, sum) 1 2 3 4 5 5 2 3 NA NA
#当index不是因子时，可以用as.factor()把参数强制转换成因子
额外案例，实现excel中数据透视表的功能
#利用tapply实现类似于excel里的数据透视表的功能：
> da
year province sale
1 2007 A 1
2 2007 B 2
3 2007 C 3
4 2007 D 4
5 2008 A 5
6 2008 C 6
7 2008 D 7
8 2009 B 8
9 2009 C 9
10 2009 D 10
> attach(da)
> tapply(sale,list(year,province)) #以sale为基，按照year,province的顺序，排列
[1] 1 4 7 10 2 8 11 6 9 12
> tapply(sale,list(year,province),mean)
A B C D
2007 1 2 3 4
2008 5 NA 6 7
2009 NA 8 9 10
3、函数table（求因子出现的频数）
使用格式为：
table(..., exclude = if (useNA == "no") c(NA, NaN), useNA = c("no",
"ifany", "always"), dnn = list.names(...), deparse.level = 1)
其中参数exclude表示哪些因子不计算。
示例代码：
> d <- factor(rep(c("A","B","C"), 10), levels=c("A","B","C","D","E"))
> d
[1] A B C A B C A B C A B C A B C A B C A B C A B C A B C A B C
Levels: A B C D E
> table(d, exclude="B")
d
A C D E
10 10 0 0
4、函数lapply与函数sapply
每一列数据采用同一种函数形式，比如求X变量得分位数，比如求X变量的循环函数。
lapply的使用格式为：
lapply(X, FUN, ...)
lapply的返回值是和一个和X有相同的长度的list对象，
这个list对象中的每个元素是将函数FUN应用到X的每一个元素。
其中X为List对象（该list的每个元素都是一个向量），
其他类型的对象会被R通过函数as.list()自动转换为list类型。
函数sapply是函数lapply的一个特殊情形，对一些参数的值进行了一些限定，其使用格式为：
sapply(X, FUN,..., simplify = TRUE, USE.NAMES = TRUE)
sapply(*, simplify = FALSE, USE.NAMES = FALSE) 和lapply(*)的返回值是相同的。
如果参数simplify=TRUE，则函数sapply的返回值不是一个list，而是一个矩阵；
若simplify=FALSE，则函数sapply的返回值仍然是一个list。
x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
> lapply(x, quantile)
$a
0% 25% 50% 75% 100%
1.00 3.25 5.50 7.75 10.00
$beta
0% 25% 50% 75% 100%
0.04978707 0.25160736 1.00000000 5.05366896 20.08553692
$logic
0% 25% 50% 75% 100%
0.0 0.0 0.5 1.0 1.0
> sapply(x, quantile,simplify=FALSE,use.names=FALSE)
$a
0% 25% 50% 75% 100%
1.00 3.25 5.50 7.75 10.00
$beta
0% 25% 50% 75% 100%
0.04978707 0.25160736 1.00000000 5.05366896 20.08553692
$logic
0% 25% 50% 75% 100%
0.0 0.0 0.5 1.0 1.0#参数simplify=TRUE的情况
> sapply(x, quantile)
a beta logic
0% 1.00 0.04978707 0.0
25% 3.25 0.25160736 0.0
50% 5.50 1.00000000 0.5
75% 7.75 5.05366896 1.0
100% 10.00 20.08553692 1.0
5、函数mapply
> mapply(rep, times=1:4, x=4:1) [[1]] [1] 4 [[2]] [1] 3 3 [[3]] [1] 2 2 2 [[4]] [1] 1 1 1 1 #直接使用函数rep的结果： > rep(1:4,1:4) [1] 1 2 2 3 3 3 4 4 4 4
6、vapply {base}——按变量进行函数操作
vapply类似于sapply函数，但是它的返回值有预定义类型，所以它使用起来会更加安全，有的时候会更快。
在vapply函数中总是会进行简化，vapply会检测FUN的所有值是否与FUN.VALUE兼容，
以使他们具有相同的长度和类型。类型顺序：逻辑、整型、实数、复数
vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE)
X表示一个向量或者表达式对象，其余对象将被通过as.list强制转换为list
simplify 逻辑值或者字符串，如果可以，结果应该被简化为向量、矩阵或者高维数组。
必须是命名的，不能是简写。默认值是TRUE，若合适将会返回一个向量或者矩阵。如果simplify=”array”，结果将返回一个阵列。
USE.NAMES 逻辑值，如果为TRUE，且x没有被命名，则对x进行命名。
FUN.VALUE 一个通用型向量，FUN函数返回值得模板。
> x<-data.frame(a=rnorm(4,4,4),b=rnorm(4,5,3),c=rnorm(4,5,3)) > vapply(x,mean,c(c=0)) a b c 1.8329043 6.0442858 -0.1437202
> k<-function(x)
+ {
+ list(mean(x),sd(x))
+ }
> vapply(x,k,c(c=0))
错误于vapply(x, k, c(c = 0)) : 值的长度必需为1，
但FUN(X[[1]])结果的长度却是2
> vapply(x,k,c(c=0,b=0)) 错误于vapply(x, k, c(c = 0, b = 0)) : 值的种类必需是'double'， 但FUN(X[[1]])结果的种类却是'list'
> vapply(x,k,c(list(c=0,b=0))) a b c c 1.832904 6.044286 -0.1437202 b 1.257834 1.940433 3.649194
sapply与vapply函数之间的区别:
> i39 <- sapply(3:9, seq)
> i39
[[1]]
[1] 1 2 3
[[2]]
[1] 1 2 3 4
[[3]]
[1] 1 2 3 4 5
[[4]]
[1] 1 2 3 4 5 6
[[5]]
[1] 1 2 3 4 5 6 7
[[6]]
[1] 1 2 3 4 5 6 7 8
[[7]]
[1] 1 2 3 4 5 6 7 8 9
> sapply(i39, fivenum)
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 1.0 1.0 1 1.0 1.0 1.0 1
[2,] 1.5 1.5 2 2.0 2.5 2.5 3
[3,] 2.0 2.5 3 3.5 4.0 4.5 5
[4,] 2.5 3.5 4 5.0 5.5 6.5 7
[5,] 3.0 4.0 5 6.0 7.0 8.0 9
> vapply(i39, fivenum,
+ c(Min. = 0, "1st Qu." = 0, Median = 0, "3rd Qu." = 0, Max. = 0))
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
Min. 1.0 1.0 1 1.0 1.0 1.0 1
1st Qu. 1.5 1.5 2 2.0 2.5 2.5 3
Median 2.0 2.5 3 3.5 4.0 4.5 5
3rd Qu. 2.5 3.5 4 5.0 5.5 6.5 7
Max. 3.0 4.0 5 6.0 7.0 8.0 9
7、eapply {base}
eapply函数通过对environment中命名值进行FUN计算后返回一个列表值，用户可以请求所有使用过的命名对象。
eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE)
env 将被使用的环境
all.names 逻辑值，指示是否对所有值使用该函数
USE.NAMES 逻辑值，指示返回的列表结果是否包含命名
> require(stats) > > env <- new.env(hash = FALSE) # so the order is fixed > env$a <- 1:10 > env$beta <- exp(-3:3) > env$logic <- c(TRUE, FALSE, FALSE, TRUE) > # what have we there? > utils::ls.str(env) a : int [1:10] 1 2 3 4 5 6 7 8 9 10 beta : num [1:7] 0.0498 0.1353 0.3679 1 2.7183 ... logic : logi [1:4] TRUE FALSE FALSE TRUE > > # compute the mean for each list element > eapply(env, mean) $logic [1] 0.5 $beta [1] 4.535125 $a [1] 5.5 > unlist(eapply(env, mean, USE.NAMES = FALSE)) [1] 0.500000 4.535125 5.500000 > > # median and quartiles for each element (making use of "..." passing): > eapply(env, quantile, probs = 1:3/4) $logic 25% 50% 75% 0.0 0.5 1.0 $beta 25% 50% 75% 0.2516074 1.0000000 5.0536690 $a 25% 50% 75% 3.25 5.50 7.75 > eapply(env, quantile) $logic 0% 25% 50% 75% 100% 0.0 0.0 0.5 1.0 1.0 $beta 0% 25% 50% 75% 100% 0.04978707 0.25160736 1.00000000 5.05366896 20.08553692 $a 0% 25% 50% 75% 100% 1.00 3.25 5.50 7.75 10.00
8、rapply {base}
rapply是lapply的递归版本
rapply(X, FUN, classes = "ANY", deflt = NULL, how = c("unlist", "replace", "list"), ...)
X 一个列表
classes 关于类名的字符向量，或者为any时则匹配任何类
deflt 默认结果，如果使用了how=”replace”，则不能使用
how 字符串匹配三种可能结果